基于马尔科夫链的自适应DRX优化机制

针对目前非连续接收(DRX)机制单一的周期配置难以适应4G网络环境下多业务并发的问题,提出了一种基于马尔科夫链的自适应DRX优化机制.首先,基于数据业务间的时间相关性建立马尔科夫链模型,预测后续时刻的数据业务类型;然后,根据预测结果和物理下行控制信道(PDCCH)的监听状态来综合调整DRX周期时长.仿真结果表明,相比于固定周期的DRX机制,自适应DRX优化机制能够在不增加过多时延的条件下有效降低终端能耗,同时实现了4G网络环境下不同数据业务类型的自适应DRX参数配置.     

一种增广的Laguerre模型自适应预测控制算法

论文在简述基于Laguerre函数近似模型的自适应预测控制原理、算法的基础上,将现有的仅适用于开环稳定系统的预测控制算法进行扩展,提出一种增广的Laguerre函数模型自适应预测控制算法。该算法对于开环不稳定系统和非最小相位系统同样适用。仿真结果表明基于Laguerre函数模型的预测控制方法对控制变时延、变阶次对象具有较好的鲁棒性。     

基于改进型混合蛙跳算法的支持回归机大坝变形预测模型

支持回归机(SVR)可以用来解决大坝变形的拟合和预测问题,且具有很好的泛化能力,其核心问题是选择适当的惩罚因子和核参数.利用基于拉丁超立方抽样(LHS)和自适应移动算子的改进型混合蛙跳算法(ISFLA)对SVR模型进行参数寻优,建立ISFLA-SVR大坝变形预测模型.通过工程算例表明:ISFLA-SVR模型具有很高的预测精度,可以应用于大坝变形预测.     

基于自适应滤波的日负荷预测新陈代谢模型

提出了对日负荷进行预测的新方法。基于自适应滤波算法进行预测,在预测过程中对原始数据进行新陈代谢处理,且根据预测日的属性对预测结果进行加权,并依据历史负荷中负荷的变动情况对结果进行校正,以求最佳预测效果。利用自适应滤波预测结果的残差建立时间序列的AR(p)模型,与自适应滤波模型形成组合模型,从而实现了短期电力负荷样本资料随时间变化而更新、样本量和计算量不增加而预测精度能得到保证的目标。与传统的预测方法相比较,该模型用于日负荷预测具有计算迅速、精度高的优点。     

基于PCA与Elman网络的地下矿山岩层移动

 由于地下金属矿床地质与开采条件的复杂性,影响岩层移动的因素错综复杂且相互影响,使得对岩层移动的预测具有很大的不确定性。大量的样本数据减慢了神经网络的训练速度,并且使得神经网络不稳定。将主成分分析(PCA)与Elman网络相结合构建模型,对地下矿山岩层移动角进行预测研究。利用主成分分析对原始数据进行预处理,提取原信息的主成分,将输入变量减少且互不相关,提高神经网络训练速度;用Elman网络对训练样本进行训练,进而利用训练好的网络对预测样本进行预测,与不采用PCA时的预测结果相比,采用PCA的预测结果更为准确,通过期望输出与实际输出的对比,相对误差都在5%以内,其预测的结果精度高,表明了PCA与Elman网络相结合对地下矿山岩层移动进行研究是可行的。     

第三代移动通信分层网络中数据用户的自适应分配策略

移动数据业务是未来移动通信业务发展的重点,如何在有限的频率资源上为用户提供大容量和高数据率的数据业务是第三代移动通信需解决的重点问题.针对分层网络结构的特点,建立了相应的系统模型,对基于速率的分配策略(VAS)、基于数据量的分配策略(DAS)、分配策略中的运用准则以及自适应分配策略等进行了深入探讨.为解决移动通信分层网络结构中用户数据流量变化和提高系统负责能力具有重要的实际意义.     

第三代移动通信分层网络中数据用户的自适应分配策略

移动数据业务是未来移动通信业务发展的重点，如何在有限的频率资源上为用户提供大容量和高数据率的数据业务是第三代移动通信需解决的重点问题。针对分层网络结构的特点，建立了相应的系统模型，对基于速率的分配策略(VAS)、基于数据量的分配策略(DAS)、分配策略中的运用准则以及自适应分配策略等进行了深入探讨。为解决移动通信分层网络结构中用户数据流量变化和提高系统负责能力具有重要的实际意义。     

航空发动机模糊自适应广义预测解耦控制

为克服航空发动机控制回路间的耦合作用,针对具有不确定大时延的航空发动机分布式控制系统,提出了一类模糊自适应广义预测解耦控制算法.利用发动机非线性模型的输入输出数据对模糊自适应推理网络进行离线训练,网络的前提参数训练后固定,后件参数则可在线调整以使网络能更好地逼近实际系统.将模糊自适应推理网络作为广义预测控制器的预测模型,可以省去常规广义预测控制器的反馈校正机构.仿真表明:当参考轨迹为阶跃信号、斜坡信号时,所设计的控制器均具有良好的动态跟踪特性和解耦特性,当时延发生变化时,系统输出仍然能稳定地跟踪参考轨迹,说明该控制器对时延不敏感,鲁棒性强.     

无模型预测控制及在溴化锂机组控制中的应用

为解决带有时滞特性的制冷系统的控制问题,提出了一种改进的无模型自适应预测控制算法,并将其应用到制冷系统控制方案中。首先,提出一种引入两个参数L1,L2的参数估计控制方案,改善了MFAPC( Model-Free Adaptive Predictive Control) 的伪偏导数参数估计过程,使算法在达到减参目的的同时提升了稳定效果; 之后在控制输入准则函数中加入了控制输出误差和。最后引入典型线性和非线性时滞系统、跟踪时变信号系统、溴化锂制冷系统,对其跟踪控制问题进行了仿真比较研究。仿真结果表明,改进的无模型预测控制算法能取得更稳定的输出结果,且有更快的响应速度和更好的控制性能,同时解决了带有时滞特性的制冷系统控制问题。     

基于神经网络的自适应动态电源管理模型

利用人工神经网络具有从大量不完整数据中逐步获取知识并进行复杂目标优化的能力,提出一种基于改进的BP神经网络预测功耗可管理器件空闲时间长度的自适应动态电源管理模型(AMBA).该模型根据空闲时间长度预测值选择最佳低功耗模式,并且通过预测性能评估结果动态调整神经网络的网络权值,从而能够自适应功耗可管理器件负载特性的变化.仿真结果表明了该模型的有效性,预测正确率可以达到80%左右,平均功耗比指数平均预测方法降低了30%,比Timeout策略降低了37%.     

全距在确定组合预测最优权系数中的应用

从统计学的角度考虑 ,建立以组合预测误差的全距为目标函数组合预测模型 ,在各单项模型预测误差服从正态分布的情况下 ,该模型和误差平方和为准则的组合预测模型相比 ,它们的解近似相等。且具有计算简单的特点。最后也探讨了变权系数的组合预测模型     

基于GMDH的宏观经济短期预测模型

传统的宏观经济短期预测研究通常基于定量或定性预测模型,而GMDH 算法兼具定性定量的特点,建立了基于GMDH 自回归模型的混合预测模型数学模型来进行宏观经济短期预测,应用相关的统计数据做实证分析,将所得结果与传统GMDH模型、二次自回归模型进行了比较.结果表明,本文提出的混合预测模型具有良好的预测精度,是一种有效的宏观经济短期预测手段.     

GM（0,N）模型在河流径流量预测中的应用

河流径流量的预测对水资源的优化调度管理具有重要的意义,传统的预测方法中原始数据的随机性对预测精度具有很大的影响。对GM（0,N）模型进行了研究,建立了以河流径流量为系统特征数据序列,年平均降水量和年平均饱和差为相关因素序列的GM（0,3）模型。通过模型预测数据和实测数据的对比,说明了GM（0,N）模型具有较好预测效果;同时,为了证明GM（0,N）模型的优点,对比了其预测结果与线性回归预测模型的结果。     

Equipment Maintenance Material Demand Forecasting Based on Gray-Markov Model

Maintenance material reserves must keep an appropriate scale,in order to meet the possible demand of support objectives.According to the sequence of maintenance material consumption,this paper establishes a Gray-Markov forecasting model by combining Gray system theory and Markov model. Few data are needed in the proposed Gray-Markov forecasting model which has high prediction precision by involving small parameters. The performance of Gray-Markov forecasting model was demonstrated using practical application and the model was proved to be a valid and accurate forecasting method. This Gray-Markov forecasting model can provide reference for making material demand plan and determining maintenance material reserves.     

高速铁路软土路基沉降预测

通过实测资料分析了高速铁路堆载预压软土路基沉降规律,其沉降发展过程可分为填筑阶段-恒载阶段-堆载预压阶段-卸载阶段,沉降曲线与S形成长曲线类似.利用最小二乘法,以组合模型的误差平方和最小为目标函数来确定最优加权系数,建立了加权组合预测模型.采用Origin软件分别拟合Gompertz曲线和Logistic曲线,基于组合...     

预测地铁施工中地表变形的动态系统方法

提出了基于自回归（AR）模型对时间序列统一建模的新观点和方法,可大大减少计算量,并在微机上编程实现,以实例对动态模型与静态模型分别作了应用比较,结果表明,时间序列分析动态模型是系统分析的重要方法,是统计预测中的高级预测方法,预测精度高,用途广泛,而静态模型适合于内插,不适合于外推预报。     

基于组合模型的建筑物沉降预测

以上海某建筑物沉降观测数据[1]为依据,构建一种新的组合预测模型,并对沉降数据进行预测,将预测结果与前人单项模型预测结果进行对比,结果表明组合预测模型预测结果要明显优于单项模型。     

灰色系统SCGM(1,h)c模型的拓广

对于一类贫信息耦合多因子系统,建立了灰色系统ＳＣＧＭ（１,ｈ）ｃ模型的三种拓广模型,即ＳＣＧＭ（２,ｈ）ｃ模型、ＳＳＣＧＭ（１,ｈ）ｃ模型、带有时滞的ＳＣＧＭ（１,ｈ）ｃ模型,并给出了参数辨识算式及解     

基于RBF-ARX模型的短期电力负荷预测

为了提高短期电力负荷预测的精度,提出基于RBF-ARX模型的短期电力负荷循环预测法:将短期电力负荷预测看作非线性时间序列预测问题,并根据历史负荷数据建立电力负荷自回归预测模型(ARX模型),用RBF神经网络逼近ARX模型的参数,并用结构化非线性参数优化法(SNPOM)离线估计模型参数。用该方法对湖南某市电力负荷进行预测,将预测结果与实际负荷值进行比较,结果表明:基于RBF-ARX模型的短期电力负荷循环预测法精度高,可靠性强,具有很好的实用性。     

无偏灰色预测模型在电力系统负荷预测中的应用

灰色预测模型已在负荷预测中得到了广泛的应用，该模型是一种有偏差的指数模型，在该模型基础上作者已导出了无偏灰色预测模型。将无偏灰色预测模型应用于负荷预测中，并与传统灰色预测模型进行了比较，结果显示了无偏灰色预测模型的优越性。